Tuore tutkimus voi tehdä pitkälle integroiduista, vähän energiaa kuluttavista puettavista ja älykkäistä anturijärjestelmistä välittömästi toteutuskelpoisia.
Merkittävän läpimurron analogisessa neuromorfisessa anturi- ja laskentajärjestelmässä tekivät Tampereen yliopiston tutkijat yhdessä amerikkalaisten kumppaniensa kanssa.
Tutkijat kehittivät joustavan pietsosähköisen anturimatriisin, joka tuottaa erillisiä piikkisignaaleja havaitessaan dynaamisen paineen muutoksen.
He rakensivat myös tapahtumapohjaisen piiriarkkitehtuurin, joka muuntaa anturimatriisista tulevat piikit aikapintoja muodostaviksi signaaleiksi, jotka sisältävät ajallista ja spatiaalista informaatiota.
Memristiivinen järjestelmäpiiri (system-on-chip, SoC) suorittaa tämän jälkeen tarvittavat luokittelutehtävät paikallisesti anturisolmussa.
Keksintö vähentää huomattavasti esineiden internetin (IoT) järjestelmien energiankulutusta. Se mahdollistaa älykkään autonomisen päätöksenteon myös syrjäisimmissä energiarajoitteisissa oloissa ilman jatkuvaa tiedonsiirtoa pilvipalveluihin.
Innovaation jatkokehitys voi johtaa entistä turvallisempiin autonomisiin ajoneuvoihin, parempaan terveydenhuoltoon, ihmiskeskeisempiin robotteihin ja vähävirtaisiin miehittämättömiin valvontajärjestelmiin.
Tutkimusartikkeli on julkaistu Nature Sensors -lehdessä.
Eroon energiaylikuormasta ja viiveistä
Puettavan terveysteknologian, valvontajärjestelmien, autonomisten autojen ja älykkään robotiikan nopea kehitys on lisännyt merkittävästi toisiinsa kytkettyjen anturisolmujen määrää.
Perinteisissä anturijärjestelmissä analogiset anturisignaalit muunnetaan digitaalisiksi ja käsitellään pilvessä sijaitsevilla digitaalisilla laskenta-alustoilla.
Analogis-digitaalinen muunnos ja digitaalisen datan siirto aiheuttavat merkittävää energiaylikuormaa ja viiveitä, mikä asettaa suuria haasteita reaaliaikaiselle anturidatan käsittelylle ja päätöksenteolle anturin sijaintipaikassa.
Aiemmin ei ole ollut mahdollista toteuttaa tapahtumapohjaista, vähävirtaista tiedonkäsittelyä anturin luona.
”Mutta nyt olemme muuttaneet tämän”, sanoo Tampereen yliopiston tutkimusryhmän johtaja Sayani Majumdar.
Uusi järjestelmä saavutti 87–92 prosentin hahmontunnistustarkkuuden, ja arvioitu inferenssin energia–viive-tuotekerroin oli yli 17 kertaa pienempi kuin perinteisessä digitaalisessa laskennassa.
”Näin osoitimme memristiivisten SoC-piirien soveltuvuuden pienen viiveen ja alhaisen virrankulutuksen reunalaskentaan asynkroniselle anturidatalle”, Majumdar sanoo.
Tutkimusta rahoittivat Suomen Akatemia ja Yhdysvaltain kansallinen tiedesäätiö NSF.
Tilaa Kemiamedian uutiskirje!
Tilaajana saat sähköpostiisi kerran viikossa kiinnostavimmat uutiset ja tiedot alan tapahtumista ja työpaikoista. Osallistut samalla arvontaan!
